论文部分内容阅读
摘 要：本文以专利文献为基础，对车牌识别领域的专利申请进行了时间、地域、申请人、技术分支方面的数据统计与分析，并根据分析结果给出了该技术的发展路线与演进过程。
关键词：车牌识别；专利；分析；技术演进
1 前言
车牌识别（Vehicle License Plate Recognition，VLPR）是数据识别的一个重要分支，是现代智能交通系统中的重要组成部分之一，其包括车牌图像捕获、图像预处理、车牌定位、字符分割、字符识别5个步骤，已应用于公路收费、停车管理、称重系统、交通诱导、交通执法、等各种场合。
2 车牌识别技术专利分析
本文选择DWPI检索数据库，检索时间截止2016年12月，最终确定涉及车牌识别技术的全球专利申请来自全球33个国家或地区。
2.1 申请量年度及地域分布
2006年之前车牌识别技术的申请量极少，全球每年的申请量不超过50件，在2006年到2011年期间，全球的申请量进入了平稳增长的时期，2011年之后，申请量和申请人数量呈现跨越式增长，但国内外的增长情况并不相同，国外申请量于2013年达到顶峰，之后趋于平稳；国内申请量则是大幅度增长至2015年。
专利申请的地域分布可以反映出企业的产品市场重心特征，中国、韩国、美国是车牌识别最主要的技术市场。中国申请据首位，占全球总量的37%，这表明各国企业越来越重视中国这个巨大的消费市场。其次为韩国和美国，各占总量的19%和18%。
2.2 申请人分布
全球前10位申请人中，施乐公司（XEROX）在车牌识别领域的申请量占有最大比重，为24%；其从2010年开始在该领域申请专利，并呈现逐年增长趋势，到2013年达到顶峰；其次是中国深圳的捷顺科技，占总申请量的15%，申请起始于2012年并逐年增长；此外，台湾的中华电信、韩国的NEXPA SYSTEM等公司的在该领域也具有一定的技术拥有量。总体来看，车牌识别领域的专利申请人分布较为分散，各公司之间申请量相差不是很大，技术发展较为均匀。
2.3 重要技術分支分析
字符识别作为车牌识别的关键步骤，其申请数据最多，占总量的65%；其次是车牌定位，识别的准确率与车牌定位的准确与否有直接关系，因此定位相关的申请占据次席，为27%；字符分割申请量较少，占总量的6%；因对图像的预处理采用的方法比较固定，所以该分支下的申请量最少，占比2%。
3 专利技术发展演进
3.1 萌芽期
2006年之前属于车牌识别技术的起步阶段，研究者尝试将车牌识别用自动识别的方式从人工识别中解放出来。早期的车牌自动识别技术主要以信号发射器、红外条码等为基础，涉及该技术的申请大多为实用新型。2002年开始，车牌识别开始采用模式识别来进行，但该阶段的模式识别多数用来进行车牌的定位，CN02154934采用了模板匹配的方式进行识别；06年先后有CN200610020796和CN200610069051提出通过小波变换和颜色/空间特征进行车牌定位。整体而言，第一阶段的车牌识别技术有条码等信号的传输逐渐向模式识别发展，相比字符分割和识别，车牌定位技术的发展在此阶段较为迅速。
3.2 平稳发展期
2006年～2011年为平稳发展期，该阶段是车牌识别中理论层面不同算法大量涌现的时期。
车牌定位方面，车牌的不同色彩空间、尺寸、纹理以及频谱变换等特征被大量用到车牌的定位中，频谱变换如2008年提出的Hough变换、MGD最大梯度差等，颜色空间从RGB延伸到HIS、CIELAB等多样化空间。分类器方面，2010年CN201010297917中提出采用级联Adaboost分类器进行车牌定位，从一级分类器发展到多级级联分类器，提高了识别的准确率。
字符分割技术在第二阶段的发展较为平稳，基本以水平、垂直投影以及连通域的检测作为分割手段。网格特征是该阶段车牌分割中涌现的新技术，提出于2007年。该阶段聚类算法开始用于字符分割，如2011年CN201110416119提出的人工免疫网络聚类字符分割方法，达到了很好的分割效果。
在识别过程中，车牌识别的准确率会受到光照、背景灯不同方面的影响，2010-2011年多个申请采用灰色图重构的方法对车牌字符颜色脱落、遮挡、涂改情况下的字符识别进行了改进，该阶段申请对不同特殊情况下的车牌识别准确性和鲁棒性做出了一定贡献。
3.3 快速增长期
第三阶段（2011年～今）为快速增长阶段，第二阶段中涌现出的不同识别算法被应用到如停车场、高速收费、违章抓拍等具体的智能交通环境中，导致该阶段申请量剧增，这也表明第二阶段的理论成果成功产业化。
车牌识别在该阶段被用到停车场出入管理、高速ETC收费以及道路违章抓拍3个方面。出入管理、ETC收费中的车牌识别车辆速度较低，接近静止，其使用的方法为第二阶段中各种不同算法的组合。道路违章抓拍中，车辆速度较快，从2012年起，关于动态跟踪、实时路况下的车牌识别方法的申请开始涌现，例如申请CN201510397476。2014年左右，车牌识别装置与语音、报警系统等集成，出现大量集成装置申请，例如CN201510383432，有效提高了异常交通事件的处理效率。
整体而言，为了提高识别率，第三阶段的车牌识别将第二阶段涌现出的算法相互交叉结合使用，大量的申请来自不同种类、不同应用场合的智能交通装置，是车牌识别全面产业化的重要时期。
4 总结
本文对车牌识别技术的发展现状、专利申请量、申请人以及专利技术演进进行了分析，了解了车牌识别技术的核心算法、发展脉络以及应用领域，加深了对车牌识别以及智能交通的认知，为更加细化的智能交通应用的研究奠定了基础。
参考文献
[1]李志强，李永斌.车牌识别技术的发展及研究现状[J].科技信息，2012，（5）：110.
[2]陈诚，杨星，邱瑞波，等.展望车牌识别技术发展的新方向[J].科技创新导报，2015，（15）：46.
（作者单位：国家知识产权局专利局专利审查协作天津中心）
关键词：车牌识别；专利；分析；技术演进
1 前言
车牌识别（Vehicle License Plate Recognition，VLPR）是数据识别的一个重要分支，是现代智能交通系统中的重要组成部分之一，其包括车牌图像捕获、图像预处理、车牌定位、字符分割、字符识别5个步骤，已应用于公路收费、停车管理、称重系统、交通诱导、交通执法、等各种场合。
2 车牌识别技术专利分析
本文选择DWPI检索数据库，检索时间截止2016年12月，最终确定涉及车牌识别技术的全球专利申请来自全球33个国家或地区。
2.1 申请量年度及地域分布
2006年之前车牌识别技术的申请量极少，全球每年的申请量不超过50件，在2006年到2011年期间，全球的申请量进入了平稳增长的时期，2011年之后，申请量和申请人数量呈现跨越式增长，但国内外的增长情况并不相同，国外申请量于2013年达到顶峰，之后趋于平稳；国内申请量则是大幅度增长至2015年。
专利申请的地域分布可以反映出企业的产品市场重心特征，中国、韩国、美国是车牌识别最主要的技术市场。中国申请据首位，占全球总量的37%，这表明各国企业越来越重视中国这个巨大的消费市场。其次为韩国和美国，各占总量的19%和18%。
2.2 申请人分布
全球前10位申请人中，施乐公司（XEROX）在车牌识别领域的申请量占有最大比重，为24%；其从2010年开始在该领域申请专利，并呈现逐年增长趋势，到2013年达到顶峰；其次是中国深圳的捷顺科技，占总申请量的15%，申请起始于2012年并逐年增长；此外，台湾的中华电信、韩国的NEXPA SYSTEM等公司的在该领域也具有一定的技术拥有量。总体来看，车牌识别领域的专利申请人分布较为分散，各公司之间申请量相差不是很大，技术发展较为均匀。
2.3 重要技術分支分析
字符识别作为车牌识别的关键步骤，其申请数据最多，占总量的65%；其次是车牌定位，识别的准确率与车牌定位的准确与否有直接关系，因此定位相关的申请占据次席，为27%；字符分割申请量较少，占总量的6%；因对图像的预处理采用的方法比较固定，所以该分支下的申请量最少，占比2%。
3 专利技术发展演进
3.1 萌芽期
2006年之前属于车牌识别技术的起步阶段，研究者尝试将车牌识别用自动识别的方式从人工识别中解放出来。早期的车牌自动识别技术主要以信号发射器、红外条码等为基础，涉及该技术的申请大多为实用新型。2002年开始，车牌识别开始采用模式识别来进行，但该阶段的模式识别多数用来进行车牌的定位，CN02154934采用了模板匹配的方式进行识别；06年先后有CN200610020796和CN200610069051提出通过小波变换和颜色/空间特征进行车牌定位。整体而言，第一阶段的车牌识别技术有条码等信号的传输逐渐向模式识别发展，相比字符分割和识别，车牌定位技术的发展在此阶段较为迅速。
3.2 平稳发展期
2006年～2011年为平稳发展期，该阶段是车牌识别中理论层面不同算法大量涌现的时期。
车牌定位方面，车牌的不同色彩空间、尺寸、纹理以及频谱变换等特征被大量用到车牌的定位中，频谱变换如2008年提出的Hough变换、MGD最大梯度差等，颜色空间从RGB延伸到HIS、CIELAB等多样化空间。分类器方面，2010年CN201010297917中提出采用级联Adaboost分类器进行车牌定位，从一级分类器发展到多级级联分类器，提高了识别的准确率。
字符分割技术在第二阶段的发展较为平稳，基本以水平、垂直投影以及连通域的检测作为分割手段。网格特征是该阶段车牌分割中涌现的新技术，提出于2007年。该阶段聚类算法开始用于字符分割，如2011年CN201110416119提出的人工免疫网络聚类字符分割方法，达到了很好的分割效果。
在识别过程中，车牌识别的准确率会受到光照、背景灯不同方面的影响，2010-2011年多个申请采用灰色图重构的方法对车牌字符颜色脱落、遮挡、涂改情况下的字符识别进行了改进，该阶段申请对不同特殊情况下的车牌识别准确性和鲁棒性做出了一定贡献。
3.3 快速增长期
第三阶段（2011年～今）为快速增长阶段，第二阶段中涌现出的不同识别算法被应用到如停车场、高速收费、违章抓拍等具体的智能交通环境中，导致该阶段申请量剧增，这也表明第二阶段的理论成果成功产业化。
车牌识别在该阶段被用到停车场出入管理、高速ETC收费以及道路违章抓拍3个方面。出入管理、ETC收费中的车牌识别车辆速度较低，接近静止，其使用的方法为第二阶段中各种不同算法的组合。道路违章抓拍中，车辆速度较快，从2012年起，关于动态跟踪、实时路况下的车牌识别方法的申请开始涌现，例如申请CN201510397476。2014年左右，车牌识别装置与语音、报警系统等集成，出现大量集成装置申请，例如CN201510383432，有效提高了异常交通事件的处理效率。
整体而言，为了提高识别率，第三阶段的车牌识别将第二阶段涌现出的算法相互交叉结合使用，大量的申请来自不同种类、不同应用场合的智能交通装置，是车牌识别全面产业化的重要时期。
4 总结
本文对车牌识别技术的发展现状、专利申请量、申请人以及专利技术演进进行了分析，了解了车牌识别技术的核心算法、发展脉络以及应用领域，加深了对车牌识别以及智能交通的认知，为更加细化的智能交通应用的研究奠定了基础。
参考文献
[1]李志强，李永斌.车牌识别技术的发展及研究现状[J].科技信息，2012，（5）：110.
[2]陈诚，杨星，邱瑞波，等.展望车牌识别技术发展的新方向[J].科技创新导报，2015，（15）：46.
（作者单位：国家知识产权局专利局专利审查协作天津中心）